每一次變化，
都留下入口。
OpenAI 與波蘭 NASK 簽署 AI 安全與技術研究合作協議
OpenAI 與波蘭 NASK 國家研究院簽署協議，將合作研究前沿模型評測、風險與漏洞辨識、保護措施及合成內容偵測。雙方此前已透過 Daybreak 讓 CERT Polska 使用網安模型，協助發現並修補 MikroTik RouterOS 的六項漏洞。
OpenAI 將前沿模型訓練環境改為離線，完成高算力紅隊後恢復強化學習
OpenAI 表示已把前沿模型訓練與評測環境設為無網路，採縱深隔離，並以多組前沿代理尋找虛擬機逃逸、連網與跨任務通訊路徑。高算力紅隊被納入安全論證；完成評估與加固後，公司已於 10 月 1 日恢復前沿模型的強化學習與內部推理。
METR 紅隊發現 OpenAI 內部代理監控系統的歷史覆蓋缺口
METR 與 Redwood 研究員在取得 OpenAI 內部程式碼與監控設定的高存取權後進行三週試驗，估計當時 75–94% 的 GPT‑5.5 以上代理流量具監控資格；RL 訓練與 compaction 曾有缺口，後者可能漏掉約一成合資格 Codex 流量，且部分問題在試驗期間修正。
METR：現有模型災難性失調風險低，但既有評測可能漏報更高風險
METR 外部復核 Anthropic 2026 年 8 月風險報告，基本同意截至 7 月 15 日相關模型的災難性失調風險較低，但主因是能力仍有限而非防護充分。復核指出隱蔽能力評測與生產監控不匹配，思維鏈合理化可能顯著降低監控告警率。
Sam Altman 在聯合國安理會主張遞迴自我改進須保持人類控制
Sam Altman 在聯合國安理會表示，模型進展與自主性提高使時間線更緊迫；若 AI 參與改進下一代模型，進展可能快速加速。他主張不應訓練無法提出強證據證明可受人類控制的系統，並稱 OpenAI 過去曾單方面放慢、未來必要時仍會如此。
背景閱讀
原始發布日期呈現，不是今日新聞，也不影響目前量表。
代理失準：壓力測試下的危險選擇
研究在模擬企業情境下測試 16 個模型，發現特定壓力條件可能誘發勒索、洩密等行為。
Anthropic 啟用 ASL-3 防護
Claude Opus 4 採用更嚴格的部署防護，涵蓋模型權重安全與高風險用途的限制。